Gemini 3.8 Live vs Sesame Preview: De stem die je kunt bewonderen versus degene die je kunt bellen

De voice-agent van Sesame scoort 4,5 van de 5 op "klonk menselijk". Die van Gemini 3.8 Live scoort 4,0. Die van Sesame voltooit ook 71% van de boekingsflows, terwijl die van Gemini 3.8 Live 78% voltooit, en die van Sesame maakt ongeveer twee keer zo vaak fouten bij functieaanroepen. Als je een voice-stack kiest voor een bedrijf dat afspraken inplant, verliest het model dat beter klinkt — en het verliest om redenen die niets te maken hebben met hoe goed het klinkt.

Die cijfers komen uit een head-to-head-vergelijking door een derde partij op 1.500 klantgesprekken per model met boekingsscripts, en er kleven twee kanttekeningen aan die ertoe doen. Ze zijn niet van ons en niet onafhankelijk gerepliceerd, en aan de Gemini-kant werd de Gemini Live-generatie van begin 2026 gebruikt, niet het model waar dit artikel over gaat. Gemini 3.8 Live is Google's spraak-naar-spraak-release van 15 september 2026, nu beschikbaar op de Live API. Sesame Preview is de consumentenspraakassistent van Sesame, gratis op iOS sinds mei 2026 en sinds begin augustus 2026 breed beschikbaar op Android, gebouwd rond vier agenten met een naam — Maya, Miles, Simone, Charlie — en wordt alom omschreven als de meest menselijk klinkende spraakassistent waarmee iemand ooit heeft gesproken.

De krachtmeting is niet echt model tegen model. Het is een product dat je in productie kunt nemen tegenover een ervaring die je alleen maar kunt bezoeken.

De vorm van elk ding

Gemini 3.8 Live is een ontwikkelaarsoppervlak. Het wordt geleverd als gemini-3.8-live en gemini-3.8-live-extended-thinking op de Live API, geprijsd op $0,005 per minuut audio in en $0,018 per minuut uit, met tekst tegen $0,75 en $4,50 per miljoen tokens en beeld- of video-invoer tegen $1,00 per miljoen. Het verwerkt 97 talen met wisselen midden in een gesprek, verwerkt visuele invoer vrijwel in realtime, voert tool- en API-aanroepen op de achtergrond uit terwijl het gesprek doorgaat, en voorziet elke seconde gegenereerde audio van een watermerk met SynthID. De Extended Thinking-variant redeneert en spreekt tegelijk, en vertelt over de voortgang zodat de lijn niet stilvalt tijdens een lange taak. De door de leverancier gerapporteerde positie van Google is tweede in de Speech Agent Arena, met de eerste plaats op de Speech to Speech Quality Index van Artificial Analysis met 82,6 voor de familie. De cijfers van Google, deze week, niet gereproduceerd.

Sesame Preview is een consumentenapp. De app is alleen Engelstalig. Er geldt een limiet van 30 minuten per gesprek, die terugvalt naar vijf minuten wanneer je bent uitgelogd. De agents onthouden context tussen sessies, zoeken op het web en stellen herinneringen in — maar ze boeken, kopen of dienen niets in. Er is geen enterprise-tier en geen openbare prijsinformatie.

Beide zijn full-duplex gesprekssystemen met een beurtwisseling die zo goed is dat mensen het niet meer merken. Daar houdt de gelijkenis op.

Wat de enige head-to-head die we hebben daadwerkelijk laat zien

De CallSphere-vergelijking liet boekingsflowscripts op volume draaien en rapporteerde vier cijfers per model. Qua voltooiing rondde Gemini Live 78% van de boekingen af, tegenover 71% voor Sesame Maya. Qua fouten bij functieaanroepen kwam Gemini Live uit op 3,3%, tegenover 6,7% voor Maya. Qua p95-latentie was Maya sneller — 480 ms tegenover 640 ms. En op de subjectieve maatstaf "klonk menselijk", beoordeeld van 1 tot 5, scoorde Maya 4,5 tegenover 4,0 voor Gemini Live.

Lees je die samen, dan ontstaat er een patroon dat geen enkele rij afzonderlijk laat zien. Sesame wint de twee rijen die een mens opmerkt en verliest de twee rijen die een bedrijf opmerkt. Natuurlijkheid en latentie zijn wat een beller ervaart; voltooiingspercentage en foutpercentage zijn wat in de afstemming naar voren komt. Een stem die als een persoon klinkt maar één op de vijftien oproepen laat vallen in een boekingsflow is geen betere spraakagent — het is een betere demo.

Twee eerlijke kanttekeningen. De vergelijking is een blog van één leverancier, geen peer-reviewed evaluatie, en 1.500 aanroepen per model op één enkel scripttype is een smalle doorsnede. En de Gemini-cijfers beschrijven de generatie van Gemini Live die begin 2026 wordt uitgebracht, wat minstens één volledig model achter 3.8 Live zit. Die cijfers toepassen op Gemini 3.8 Live zou een gok zijn. Niemand heeft een rechtstreekse vergelijking gepubliceerd met het 3.8-model.

Het onderdeel dat bijna elk artikel verkeerd doet

Elk artikel dat de stem van Sesame prijst, prijst de app, en de stem van de app is een groter, gesloten productiemodel dat Sesame nooit als API heeft uitgebracht. Er is geen manier om het te kopen, er een licentie voor te nemen of het aan te roepen. Als je hebt gelezen dat de gesprekstiming van Sesame de beste op de markt is en hebt geconcludeerd dat je het kunt krijgen, dan volgt die conclusie niet uit het bewijs.

Wat Sesame daadwerkelijk open-source heeft gemaakt, is CSM-1B — de 1B-variant van het conversationele spraakmodel, uitgebracht onder Apache-2.0 in de Moshi-familie. Het is een synthesemodule, geen assistent: een Llama-backbone voorspelt het eerste Mimi-codeboek en een kleinere Llama-decoder voorspelt de rest, die een Mimi-codec omzet in een golfvorm van 24 kHz. Het is alleen Engels, het kloont een stem op basis van een schone referentieclip van 10 tot 15 seconden, en het kan helemaal geen tekst genereren — je koppelt het aan een afzonderlijk taalmodel. Mensen die beide hebben gebruikt, beschrijven de stem van CSM-1B als duidelijk zwakker dan die van de Preview-app. Het is beschikbaar als gehoste dienst voor $7 per miljoen tekens bij één enkele externe aanbieder, ongeveer $0,35 per uur audio, of gratis als je het zelf host.

De modelkaart zegt het stille deel hardop: een fine-tuned variant van CSM drijft de interactieve voicedemo aan, wat niet het checkpoint is dat je kunt downloaden. Dus de eerlijke versie van "Sesame vs Gemini" is dit: Sesame heeft een prachtige gesloten stem waar je niet bij kunt, en een klein open syntheseblok waar je wel bij kunt, en dat zijn niet hetzelfde. Google heeft één model dat je kunt aanroepen en dat is degene die ze adverteren. Die asymmetrie is voor een bouwer meer waard dan welke natuurlijkheidsscore dan ook.

Specificatiecontrast

• Wat je krijgt — Gemini 3.8 Live, een API die je vandaag kunt aanroepen, tegenover Sesame Preview, een gratis consumentenapp zonder API voor de productiestem

• Productiestem licentieerbaar — Gemini 3.8 Live ja, per minuut betalen vs Sesame Preview nee, nooit uitgebracht

• Open artefact — Gemini 3.8 Live geen, gesloten vs Sesame Preview CSM-1B, Apache-2.0, een ander en zwakker model

• Talen — Gemini 3.8 Live 97 vs Sesame Preview alleen Engels

• Toolaanroepen — Gemini 3.8 Live voert tijdens het gesprek op de achtergrond tool- en API-aanroepen uit, tegenover Sesame Preview-agenten die context onthouden en het web doorzoeken maar geen taken uitvoeren

• Sessielimiet — Gemini 3.8 Live niet gepubliceerd door Google vs Sesame Preview 30 minuten, 5 wanneer uitgelogd

• Natuurlijkheid — Gemini 3.8 Live niet gemeten op deze as vs Sesame Preview, die op basis van luisterindrukken als best-in-class wordt beoordeeld, zonder onafhankelijke benchmark voor beide

• Latentie — Gemini 3.8 Live niet gepubliceerd vs Sesame Preview 250–450 ms end-to-end voor Maya, sub-300 ms voor de eerste byte bij streaming, volgens een meting door een derde partij

• Enterprise-traject — Besloten preview van Gemini 3.8 Live in Gemini Enterprise, binnenkort beschikbaar in Customer Experience vs. Sesame Preview: geen

• Aangegeven richting — Gemini 3.8 Live Live API-integraties met Agora, LiveKit, Pipecat, Fishjam en anderen versus Sesame Preview-onderzoekspartnerschappen en brillenhardware gepland voor 2027

De natuurlijkheidsrij is degene waar mensen over twisten, en let op wat er staat: geen van beide modellen heeft een onafhankelijke benchmark voor hoe menselijk het klinkt. Wat wel bestaat, is dat Sesame's app door luisteraars wordt geprezen en dat Google als tweede eindigt in een arena. Dat zijn niet dezelfde metingen, en de arena heeft tenminste een methodologie.

Wat natuurlijkheid operationeel kost

De fout is natuurlijkheid te behandelen als een functie die je toevoegt. Het is een ruil die je doet, en die ruil gaat meestal ten koste van de betrouwbaarheid van tools — want de gedragingen die een stem menselijk laten klinken, de aarzelingen, de overlappingen, de bereidheid om midden in een zin de beurt af te staan, worden geproduceerd door een model dat capaciteit besteedt aan prosodie en beurtwisseling in plaats van aan de strikte grammatica van een functieaanroep. Dat is het mechanisme achter het foutpercentage van 6,7% tegenover 3,3%, veel plausibeler dan welke bewering dan ook dat het ene lab beter zou zijn in engineering.

Het brengt ook infrastructuurkosten met zich mee waar niemand op begroot. Een stem die menselijk klinkt, schept verwachtingen, en een beller die denkt dat hij met een persoon spreekt, tolereert niet twee keer achter elkaar 'dat heb ik niet verstaan'. Sesame's eigen limiet van 30 minuten is een stille erkenning dat deze klasse modellen duur is om continu te draaien — een limiet die Google niet publiceert voor 3.8 Live, wat niet hetzelfde is als zeggen dat die niet bestaat.

Welke hoort thuis in jouw stack?

Kies Gemini 3.8 Live wanneer spraak een middel is om een doel te bereiken: planning, triage, ondersteuning, alles waarbij de beller een uitkomst wil. Je krijgt vandaag een API, gepubliceerde tarieven, een tool-loop die op de achtergrond draait, 97 talen en een enterprise-traject als je dat nodig hebt.

Kies Sesame Preview wanneer je bestudeert hoe gesprekskwaliteit zou moeten aanvoelen, of wanneer je een consumentenervaring bouwt waarin het gesprek zelf het product is. Het is gratis, het is echt het best klinkende dat beschikbaar is, en het is een prima plek om je smaak te kalibreren. Plan er geen productie-integratie rond, want er is niets om mee te integreren.

De meeste serieuze teams komen uiteindelijk uit op een hybride aanpak, en juist bij die hybride is routing niet langer optioneel. Zet een natuurlijk klinkend model op de openings- en bevestigingsbeurten, waar latency en warmte voelbaar zijn, en zet een tool-betrouwbaar model op de transactiebeurten, waar een fout een verloren boeking betekent. OrcaRouter is gebouwd voor die vorm van stack — model fusion laat een panel van modellen samen antwoorden wanneer het oordeel van één model niet goed genoeg is, de routing-DSL voegt meerdere modellen samen tot één aanroep, en failover verplaatst verkeer weg van een model dat zich begint te misdragen, zonder nieuwe deployment. Waar een leverancier wel een tarief publiceert, geven we de lijstprijs van de provider door zonder opslag, zodat een prijsverlaging dezelfde dag nog op je factuur te zien is.

Wat om in de gaten te houden: een API voor de productiestem van Sesame, of een benchmark die natuurlijkheid meet zoals de arena kwaliteit meet. Elk van beide zou dit veranderen van een keuze tussen toegang en ervaring in een daadwerkelijke vergelijking. Tot die tijd kun je van deze modellen het ene aanroepen en het andere alleen maar bewonderen, en dat beslecht de kwestie sneller dan welke score dan ook.

De meeste serieuze teams komen uiteindelijk uit op een hybride aanpak, en bij die hybride is routing niet langer optioneel. Zet een natuurlijk klinkend model op de openings- en bevestigingsbeurten, waar latentie en warmte voelbaar zijn, en zet een toolbetrouwbaar model op de transactiebeurten, waar een fout een verloren boeking betekent. OrcaRouter is gebouwd voor die vorm van stack - met model fusion kan een panel van modellen samen antwoorden wanneer het oordeel van één model niet goed genoeg is, stelt de routing-DSL er meerdere samen tot één aanroep, en verplaatst failover het verkeer weg van een model dat zich begint te misdragen, zonder redeploy.